Нейросетевая модель

Cтраница 4

Пугающие трудности синтеза нейроэмулятора даже в off-line режиме, встретившиеся нам, главным образом, при определении объемов информации об объекте, достаточном для синтеза его нейросетевой модели, не смогли охладить наш энтузиазм в отношении столь фантастической концепции интеллектуализации. Конечно, она порождает много дополнительных вопросов о соотношении темпов эволюции и адаптации в on-line режиме, о принципиальной сходимости алгоритма адаптации, содержащего две, вложенные одна в другую, процедуры оптимизации. Тем не менее мы верим, что ГА обладают достаточной поисковой мощью, чтобы справиться с такими проблемами при существующем уровне развития персональных компьютеров. [46]

Схема настройки нейронной сети на решение задач классификации и распознавания. [47]

Кроме того, необходимо также отметить, что при использовании ГА в процедуре поиска минимума Е активационная функция нейронного элемента не должна быть обязательно дифференцируемой, что позволяет адаптировать нейросетевую модель к реальной решаемой задаче. Генетический алгоритм допускает высокую степень параллельности при его реализации на распределенных вычислительных системах, что может значительно уменьшить время обучения нейронной сети. Простота выполняемых генетических операторов при обучении НС открывает перспективы для разработки высокоэффективных нейропроцессоров на основе Я / С-модели. [48]

Возможно также включение в общую схему моделей коммуникаций, моделей восприятия, психологических факторов и т.п. Еще раз следует подчеркнуть, что гибкость в построении моделей обеспечивается гибкостью описания, присущей и нейросетевым моделям, когда явно не используется описание с помощью языка и грамматик. Хотя точно так же, как в теории распознавания образов можно в принципе установить соответствие между лингвистическим описанием и описанием с помощью элементов со связями. [49]

Попытки смоделировать алгоритм рейтингования облигаций предпринимались с 60 - х годов ( Horrigan, 1966) и базировались на методе линейной регрессии. Более сложные нейросетевые модели способны с приемлемой точностью воспроизводить широкий диапазон рейтингов облигаций по набору ключевых финансовых индикаторов фирм-имитентов. [50]

На рис. 3.4 представлен входной ( тестирующий) сигнал и соответствующая реакция системы. Обученная инверсная нейросетевая модель системы использована в качестве регулятора. [51]

В настоящем параграфе представлены нелинейные модельные структуры, реализованные на МНС, предназначенные для идентификации стохастических динамических систем. Прототипами нейросетевых моделей являются линейные представления динамических систем, рассмотренные в главе 1 настоящей работы. Значительное внимание уделяется выбору внешней и внутренней структуры нейросетевых моделей. [52]

Они многообещающи, но требуют большого внимания, поскольку методы их диагностики незрелы и неполны. Оценить эффективность нейросетевых моделей чезвычайно сложно. [53]

В качестве архитектуры сети использовалась Radial Basis Function [ RBF ] - сеть, являющаяся нелинейной модификацией персептрона Розенблата. В процессе создания нейросетевой модели возникла необходимость решения двух проблем: классическая методика обучения RBF-сети не определяет правила выбора ширины окон активационных функций нейронов скрытого слоя; размер скрытого слоя должен быть равен числу тренировочных шаблонов. Если просто отказаться от части шаблонов, чтобы размеры сети стали приемлемыми, то мы рискуем потерять важную информацию об объекте и получить некоторое весьма неточное решение поставленной задачи. [54]

На первых этапах развития нейросетевых математических моделей коннекционизм сыграл исключительно важную роль, поскольку были поняты основные механизмы индуктивного вывода, осуществляемого нейронной сетью, позволившие решить большое количество прикладных задач. Однако для создания математических нейросетевых моделей, адекватных реальным задачам, требуются более глубокие исследования биологических принципов функционирования головного мозга. [55]

Если модель объекта реализована на двухслойной нейронной сети с линейными активационными функциями нейронов выходного слоя, ре-масштабирование весовых коэффициентов после обучения нейронной сети является достаточно простой процедурой. После ремасштабирования весовых коэффициентов нейросетевая модель может работать с немасштабированными данными. [56]

Наиболее простой способ построения инверсной нейросетевой модели динамической системы по существу является аналогом процедуры нейросетевой идентификации, подробно рассмотренной в предыдущей главе: проведение эксперимента с целью получения обучающего ( тестового) множества; выбор структуры нейросетевой модели; обучение в режиме офлайн. Единственным отличием является специфика выбора регрессионного вектора и выхода нейросетевой модели. [57]

Страницы: 1 2 3 4